基于节点相似度的网络社团检测算法研究

• 作者: 于剑 姜雅文 贾彩燕
• 来源期刊: 计算机科学
• 学科: 地球科学
• 关键词: 复杂网络 社团结构 近邻传播 信号传递 节点相似度
• 年，卷（期）: 2011,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 185-189
• 分类号: N94
• 字数: 6396字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2011.07.041

摘要

社团结构是众多复杂网络的统计特性之一,挖掘网络中存在的社团结构日益受到人们的普遍关注.网络中的社团结构检测本质上类似于传统机器学习领域的聚类分析,其关键问题在于如何定义网络中节点间的相似度.首先提出了基于节点相似度的节点分裂算法SGN,相比传统的基于边界数(betweenness)的节点分裂算法GN,SGN在速度和精度上都有明显改善；接着,在利用各种节点相似度计算方法得到节点间的相似度之后,采用几种经典的聚类分析算法对网络进行社团划分,在模拟数据和真实数据上的实验表明:基于网络拓扑结构信息的signal和regular方法优于基于网络节点局部信息的Jaccard方法,而且对于复杂网络社团划分问题,如果选择好的网络节点相似度构造方法,已有的基于相似度矩阵的聚类分析算法都能快速有效地对网络社团进行划分.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于剑	北京交通大学计算机与信息技术学院	68	1099	12.0	32.0
2	贾彩燕	北京交通大学计算机与信息技术学院	23	180	9.0	12.0
3	姜雅文	北京交通大学计算机与信息技术学院	2	51	2.0	2.0